Nace en Murcia en 1998. En 2022 obtiene el Grado en Ingeniería Informática por la Universidad de Murcia. A continuación, cursa el Máster Universitario en Tecnologías de Análisis de Datos Masivos: Big Data por la Universidad de Murcia y la Universidad de Santiago de Compostela, obteniendo el título de máster en 2023. En el año 2022 fue beneficiario de una Beca de Formación Práctica en I+D+i del Plan Propio de la Universidad de Murcia en el CyberDataLab. Además, desde 2023 ha estado asociado a proyectos de investigación europeos por el CyberDataLab. En el año 2025 obtiene una ayuda de la Fundación Séneca para la realización de la tesis doctoral en la Universidad de Murcia. Ha realizado estancias de investigación externas en la Technical University of Denmark (DTU) en el año 2026. Posee comunicaciones en congresos nacionales, como las JNIC y las RECSI, así como publicaciones científicas en revistas de carácter internacional, entre las que destacan IEEE Communications Surveys and Tutorials, Information Fusion y Computer Networks. Domina el inglés.
La presente tesis aborda la convergencia entre el ciberengaño (Cyber Deception) y la Inteligencia Artificial (IA) para desarrollar mecanismos de reacción inteligente frente a ciberamenazas avanzadas. Actualmente, la eficacia de las defensas tradicionales se ve limitada por su rigidez estática, su enfoque casi exclusivo en la detección y la falta de respuestas automatizadas para interactuar con los atacantes.
El trabajo propone un enfoque dinámico que combina la generación de activos falsos bajo demanda con la redirección sigilosa del tráfico sospechoso. Esto permite confinar la amenaza en una "cárcel" virtual realista, aislando la actividad maliciosa sin que el atacante perciba la manipulación. La integración de la IA facilita un adversary engagemen adaptativo, donde la interacción controlada permite retrasar y perfilar al adversario, extrayendo el máximo conocimiento posible sobre sus tácticas, técnicas y procedimientos (TTPs).
Como resultado, la tesis cierra un ciclo defensivo continuo, transformando cada interacción en inteligencia de amenazas dinámica y en tiempo real. El trabajo ofrece un modelo inteligente capaz de aprender directamente del comportamiento del adversario. Este enfoque automatiza la toma de decisiones, neutraliza los ataques de forma segura y permite al sistema autoajustar sus estrategias defensivas de manera completamente autónoma.
Ciencia de la Computación e Inteligencia Artificial
CyberDataLab
Director: Manuel Gil Perez
Codirector: Pantaleone Nespoli
Programa de Doctorado en Informatica
En desarrollo
Beltrán-López, P., Pérez, M. G., & Nespoli, P. (2025). Cyber Deception: Taxonomy, State of the Art, Frameworks, Trends, and Open Challenges. IEEE Communications Surveys & Tutorials.
López, P. B., Pérez, M. G., Vasilomanolakis, E., & Nespoli, P. (2026). Reactive cyber deception: Stealth-based adaptive redirection to on-demand honeypots with AI-driven data generation. Computer Networks, 112203.
López, P. B., Pérez, M. G., & Nespoli, P. (2026). Enhancing Strategic Decision-Making via Semantic Inference: An Adaptive Framework for Threat Actor Profiling. Information Fusion, 104359.
Technical University of Denmark (DTU), 01/01/2026 - 31/03/2026
La estancia se centró en la investigación y desarrollo de modelos estratégicos de toma de decisiones en
entornos de ciberengaño, con el objetivo de optimizar la interacción controlada con adversarios en
escenarios basados en honeypots. Mediante el análisis de telemetría y perfiles de atacantes, se diseñan
mecanismos para ajustar dinámicamente el nivel de realismo y exposición de los sistemas, integrando
estas capacidades defensivas bajo el marco estándar MITRE Engage para fortalecer la resiliencia de
infraestructuras críticas.
SCORPION Cybertech
Ciberseguridad
Felix Gómez Marmol
